深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
141	2026-08-28	scDAU: a disentangled representation learning method for cross-modal translation in single-cell multi-omics data 2026-Aug-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag610 PMID:42605072	研究论文	提出scDAU，一种结合条件扩散特征正则化和多尺度跨模态翻译网络的深度学习方法，用于单细胞多组学数据的跨模态翻译	采用特征解耦策略分离共享语义与模态特异性成分，结合条件扩散正则化和U-Net架构实现精确的双向翻译，并在跨数据集和未见细胞类型上表现优越	未明确提及局限性	实现单细胞多组学数据的跨模态翻译，以重建缺失模态并支持整合分析	单细胞多组学数据，包括转录组和染色质可及性数据，以及转录组-蛋白质组翻译	深度学习，单细胞多组学	胶质母细胞瘤	单细胞多组学测序	扩散模型、U-Net	单细胞多组学数据（基因表达、染色质可及性、蛋白质组）	多个基准数据集和一个人类胶质母细胞瘤数据集	PyTorch	U-Net	准确性，精确度，召回率，F1分数，AUC等	NA
142	2026-08-28	Synthetic sequence alignments as programmable probes of learned conformational landscapes in deep learning protein structure predictors 2026-Aug-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag605 PMID:42581579	研究论文	本文介绍了一种使用合成多重序列比对作为可编程探针，来探究深度学习蛋白质结构预测器（如AlphaFold2、AlphaFold3和RoseTTAFold）所学习的构象景观的方法	提出了一种通过在蛋白质结构预测器中插入设计好的合成多重序列比对来系统性地偏置其预测构象状态的新方法，并能够引导模型访问通过自然序列信息无法获得的替代构象	未明确提及	探究深度学习蛋白质结构预测器内部所学习的构象景观，并开发一种能够引导模型访问生物学相关隐藏状态的方法	折叠转换蛋白及深度学习蛋白质结构预测器	蛋白质结构预测	NA	逆向折叠、分子动力学模拟、多重序列比对设计	深度学习模型	蛋白质序列和结构数据	未明确提及	NA	AlphaFold2, AlphaFold3, RoseTTAFold	构象状态偏向成功率、序列依赖性分析	NA
143	2026-08-28	Swarm Intelligence-Guided Hybrid Transfer Learning for Gastrointestinal Polyp Classification 2026-Aug-03, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11080541 PMID:42645260	研究论文	本文提出一种基于群体智能增强的多骨干深度学习框架，用于胃肠道息肉分类，在Kvasir基准上实现八类病变分类，并探索了分类头架构搜索和特征融合策略。	创新点在于使用群体智能算法（如粒子群优化、人工蜂群等）自动搜索分类头架构，并融合四种CNN骨干特征，同时利用群体智能引导的类别权重优化提升临床重要类别的F1分数，此外还引入了基于梯度的类激活映射和最小充分区域分析以提供可解释性。	存在对单一数据集的依赖、跨数据集评估有限以及训练种子未收敛的风险。	旨在通过自动化的多骨干特征融合和群体智能引导的架构搜索，提高胃肠道病变分类的准确性和可解释性，以辅助早期结直肠癌检测。	研究对象为胃肠道内镜图像，具体为Kvasir数据集中的八类病变图像。	计算机视觉	结直肠癌	迁移学习、特征提取、PCA降维	CNN	图像	Kvasir v1、Kvasir v2和HyperKvasir数据集，具体样本数量未在摘要中说明	未明确提及	ResNet50, DenseNet121, MobileNetV2, EfficientNetB3	准确率, F1分数, Wilcoxon检验	未明确提及
144	2026-08-28	Deep Learning-Based Prediction of Epithelial Cytokine Responses for the Selection of Functionally Consistent Airway Organoids 2026-Aug-03, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11080547 PMID:42645267	研究论文	提出了一种基于深度学习、非破坏性的成像引导框架，用于预测气道类器官的细胞因子反应，并选择功能一致的类器官培养皿。	首次利用明场图像和TabNet模型，非破坏性地预测类器官培养皿的炎症反应，实现功能一致性的选择。	仅研究了两种细胞因子（TSLP和IL-33），可能未涵盖所有炎症反应。	开发成像引导的深度学习框架，预测类器官培养皿的细胞因子反应，选择功能一致的类器官，提高实验可重复性	人气道类器官培养皿（Matrigel dome）	数字病理学	气道炎症	RT-qPCR	TabNet	明场图像	未明确说明培养皿数量	PyTorch	TabNet	平衡准确率	未提及
145	2026-08-28	Predicting the onset of myopia in children and adolescents using artificial intelligence: A systematic review and meta-analysis 2026-Aug, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2026.105546 PMID:42285273	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估人工智能模型在预测儿童和青少年近视发病中的性能。	首次对AI预测近视发病的模型进行系统综述和荟萃分析，采用PROBAST+AI评估偏倚风险，并应用GRADE评估证据确定性。	纳入研究数量有限（仅7项），异质性高，研究存在高偏倚风险，缺乏外部验证，且地域分布不均衡。	评估AI模型预测儿童和青少年近视发病的性能，并探讨其临床实用性。	儿童和青少年近视发病预测模型。	机器学习	近视	NA	传统机器学习模型和深度学习模型	NA	7项研究，共24个模型	NA	NA	曲线下面积（AUC）、异质性（I²）、证据确定性（GRADE）	NA
146	2026-08-28	PhosSight: A Unified Deep Learning Framework Boosting and Accelerating Phosphoproteome Identification to Enable Biological Discoveries 2026-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.75856 PMID:42201678	研究论文	提出了一个统一深度学习框架PhosSight，用于增强和加速磷酸化蛋白质组鉴定，以促进生物学发现	PhosDetect模型显式编码磷酸化特异性理化特征以准确预测肽段可检测性，并利用该预测引导DDA数据重打分和DIA库修剪，提升鉴定深度和搜索效率	未提及具体局限性	开发统一深度学习框架以增强磷酸化蛋白质组鉴定深度和加速搜索效率，从而支持生物学发现	磷酸化肽段和蛋白质组数据，包括合成数据集和真实世界数据集	蛋白质组学	子宫内膜癌	质谱法	深度学习框架	蛋白质组学数据	大规模子宫体子宫内膜癌队列	NA	PhosDetect	敏感性、定量能力	NA
147	2026-08-28	Challenging cases for AlphaFold: two multidomain proteins with zinc-binding-, phosphorylation- or dimerization-driven conformational changes 2026-Aug, European biophysics journal : EBJ DOI:10.1007/s00249-026-01854-3 PMID:42371046	研究论文	本研究测试了AlphaFold对两个具有复杂构象变化的多结构域蛋白（LicT和P1）的结构预测性能，发现其无法同时正确预测所有结构域	针对AlphaFold难以处理的多结构域蛋白，特别是具有锌结合、磷酸化或二聚化驱动的构象变化的蛋白质，评估其预测局限性	AlphaFold无法同时正确预测所有结构域，表明其在处理复杂构象变化方面的局限性	评估AlphaFold对具有复杂构象景观的多结构域蛋白的结构预测能力	LicT蛋白（来自枯草芽孢杆菌）和P1蛋白（来自水稻黄斑驳病毒）	蛋白质结构预测	不适用	AlphaFold	AlphaFold（深度学习模型）	氨基酸序列	两个多结构域蛋白	不适用	AlphaFold	预测准确性（未明确指标）	不适用
148	2026-08-28	Evaluation of AI-derived LAD artery dose metrics for survival stratification in stage III NSCLC: A secondary analysis of RTOG 0617 trial 2026-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.70621 PMID:42545172	研究论文	本研究评估了三种深度学习自动分割模型在RTOG 0617试验数据集上自动分割左前降支动脉的可行性，并验证其能否在群体水平上重现剂量-生存关联	首次在大型多中心临床试验数据集上验证自动分割模型在临床结局分析中的可行性，并评估了不同模型的生存分层性能	缺乏配对的手动轮廓进行比较，且需要预先指定的截断值进行进一步验证	评估自动LAD分割在群体水平上能否重现已知的剂量-生存关联	RTOG 0617试验中的460例III期非小细胞肺癌患者	医学影像分析	非小细胞肺癌	深度学习自动分割	深度学习模型	CT影像	460例非小细胞肺癌患者	NA	三种不同的深度学习自动分割模型	风险比、生存曲线、p值、平均绝对误差	NA
149	2026-08-28	CLDN18.2 antibody design with protein language models: A deep learning optimization framework 2026-Aug, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014499 PMID:42623408	研究论文	本研究提出基于GPT-2的深度学习框架cdrGPT，用于从头生成CDRH3序列，并结合结构模板、拒绝采样和多参数目标函数优化，以设计针对CLDN18.2的高亲和力且可开发性良好的抗体变体。	创新性地将GPT-2语言模型应用于CDRH3序列的从头生成，并整合结构模板、多参数目标函数（亲和力和MHC II类结合风险）以及迭代优化流程，实现了抗体亲和力与可开发性的同步优化。	摘要中未提及明确的局限性。	开发一种深度学习优化框架，用于设计针对CLDN18.2的抗体CDRH3序列，以同时优化亲和力和可开发性。	CLDN18.2抗原及其治疗性抗体，特别是CDRH3区域序列。	机器学习	癌症	蛋白质语言模型（GPT-2、ESM2）与AlphaFold3结构预测。	GPT-2（生成模型）、ESM2（嵌入模型）、AlphaFold3（结构预测模型）	蛋白质序列和结构数据	生成初始50,000条序列，筛选出313条高置信度候选序列，并验证其中7条代表性序列。	NA	GPT-2、ESM2、AlphaFold3	RMSD、余弦相似度、位置偏差	NA
150	2026-08-28	Multimodal contrastive learning for integrating molecular representations and cellular phenotypes in drug-target interaction prediction 2026-Aug-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag368 PMID:42635222	研究论文	提出一种双阶段对比学习框架，整合药物结构、蛋白质序列和细胞绘画形态特征，用于药物-靶点相互作用预测	首次将细胞绘画形态特征整合到药物-靶点相互作用预测中，通过多正样本对比学习对齐分子结构与细胞表型表征	跨模态检索在骨架划分下性能下降显著（Recall@10从0.77降至0.33），可能受限于分子结构相似性分布差异	通过整合分子结构信息和细胞表型数据，提高药物-靶点相互作用预测的准确性和生物可解释性	药物分子结构、蛋白质序列、细胞绘画形态图像及其相互作用关系	机器学习、计算生物学	NA	细胞绘画高通量成像	对比学习模型	图像、序列、分子图	未在摘要中明确说明，涉及Cell Painting形态谱和BIOSNAP数据集的外部验证	PyTorch	多模态对比学习框架（双阶段结构）	Recall@10、AUC	NA
151	2026-08-28	A decade of artificial intelligence research in ophthalmology: Global trends and transferable insights for medical AI 2026-Aug, PLOS digital health DOI:10.1371/journal.pdig.0001347 PMID:42640898	research paper	本文通过系统文献计量分析，总结2015-2025年间眼科人工智能研究的全球趋势，并为医学AI的演变提供可迁移的见解	利用LLM辅助管道对文献进行分类，并评估其与人工分级的一致性，首次揭示眼科AI领域从窄图像深度学习向评估研究、基础模型和多模态数据整合的演变轨迹	仅基于已发表的英文文献，可能遗漏非英文或未索引的研究；LLM辅助分类虽有评估，但可能仍有误差	表征眼科AI研究在2015-2025年的全球趋势，为医学AI的成熟过程提供参考	2015-2025年间Web of Science核心合集、Scopus和PubMed收录的眼科AI原始研究文章	数字病理学	糖尿病视网膜病变、青光眼、年龄相关性黄斑变性、角膜病、白内障、近视	眼科AI文献的文献计量分析	基础模型、经典深度学习	文本、图像（包括彩色眼底照相和视网膜光学相干断层扫描）	12,911篇文献	NA	经典深度学习、基础模型	复合年增长率、分类一致性	NA
152	2026-08-24	3D U-net for volumetric segmentation of spinal cord MRI in degenerative disorders 2026-Aug-23, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-10288-6 PMID:42633605	研究论文	本文提出了一种基于3D U-Net的深度学习模型，用于退行性疾病中脊髓MRI的容积分割	创新性地使用三维卷积在轴向、矢状和冠状平面上学习空间依赖性，实现脊髓MRI的容积分割	未提及明确的局限性	旨在提高脊髓MRI中退行性病变的自动分割准确性，优化放射学流程并支持精准医学	脊髓MRI数据，包括退行性脊柱关节病、骨赘、骨软骨病、血管瘤和腰椎前凸畸形等病变	数字病理学	退行性脊柱疾病	MRI	3D U-Net	MRI影像	未提及具体样本数量	NA	3D U-Net	Dice相似系数, Hausdorff距离, 敏感性, 特异性	NA
153	2026-08-24	Integrating deep learning and pangenomics to recover missing heritability from wild structural variations 2026-Aug-22, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-13274-w PMID:42629596	综述	本文综述了整合深度学习和泛基因组学方法来恢复野生结构变异中缺失遗传力的研究进展。	提出从线性基因组坐标转向高维基因组数据表示，利用图神经网络和Transformer基础模型处理结构变异，实现零样本预测野生等位基因和优化基因型-环境互作。	未提及具体局限性。	恢复作物驯化过程中丢失的遗传力，利用野生亲缘种的结构变异提高基因组预测的准确性。	作物及其野生亲缘种的结构变异。	机器学习	NA	NA	图神经网络、Transformer	基因组数据（结构变异）	NA	NA	GNN、Transformer	NA	NA
154	2026-08-24	Distinct Molten-Globule Conformations in an Interacting Protein Domain Resolved by 19F NMR of Fluoroproline Residues 2026-Aug-22, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.4052471 PMID:42631386	研究论文	本文通过化学掺入立体异构的4-氟脯氨酸残基，利用19F NMR技术解析了一个多构象蛋白结构域中不同的熔融球状构象，并研究其对配体结合和淀粉样聚集的影响。	首次使用19F NMR结合氟脯氨酸残基的立体化学修饰来分辨相互作用蛋白结构域中的不同熔融球状构象，并揭示了局部构象偏差如何影响整体蛋白质构象动态。	研究仅限于单一蛋白结构域，且未提供计算资源等详细信息。	研究蛋白质折叠和去折叠机制，特别是熔融球状构象的多样性及其对蛋白质相互作用的影响。	一个折叠的、多构象蛋白质结构域（熔融球状）	结构生物学	NA	19F NMR光谱、化学蛋白质合成	NA	NMR光谱数据	NA	NA	NA	NA	NA
155	2026-08-24	Dual geometry-inspired structural modeling for neuroendocrine tumor segmentation in endoscopic ultrasound 2026-Aug-22, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03683-3 PMID:42631836	研究论文	提出GismEUS，一种基于几何特征融合的深度学习模型，用于内镜超声图像中神经内分泌肿瘤的自动分割	创新性地结合平面几何特征投影与立体结构特征建模，并通过双结构引导的特征增强模块实现局部与全局特征的有效融合	未提及具体限制	提高内镜超声图像中神经内分泌肿瘤分割的准确性，支持早期诊断	神经内分泌肿瘤的内镜超声图像	计算机视觉	神经内分泌肿瘤	深度学习分割	CNN	图像	私有标注数据集和公共GIST514-DB数据集	NA	自定义深度学习架构	Dice系数	NA
156	2026-08-24	Robotic-referenced automated measurement of acetabular cup orientation on postoperative CT: development and internal validation 2026-Aug-22, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-026-03839-y PMID:42631886	研究论文	开发并内部验证了一种基于深度学习模型，利用术后CT自动测量髋臼杯方向，以机器人导航值作为参考标准。	首次使用机器人导航值作为参考标准，开发深度学习模型自动测量术后CT上的髋臼杯方向，并集成到图形用户界面。	研究为内部验证，需要独立外部验证才能进行更广泛的临床应用。	开发并评估一种深度学习模型，用于术后CT上自动测量髋臼杯方向，以提高测量准确性。	94个髋关节，来自随机试验的二次分析，具有机器人术中角度测量和术后CT数据。	计算机视觉	髋关节疾病	CT成像	深度学习模型（PointNet++，VGG16-based U-Net）	CT图像	94髋，27,821张CT图像	NA	VGG16-based U-Net, PointNet++	平均绝对误差（MAE）	NA
157	2026-08-24	Machine learning for precision obstetrics: A comprehensive review of risk prediction models for hypertensive disorders and pregnancy-related syndromes 2026-Aug-22, Pregnancy hypertension DOI:10.1016/j.preghy.2026.101506 PMID:42632339	综述	本文综述了机器学习在产科精准医疗中的应用，重点评估了妊娠期糖尿病、妊娠期高血压疾病、早产和宫内生长受限等妊娠相关疾病的风险预测模型	强调将多模态数据（临床记录、生化标志物、多组学、医学影像和生活方式因素）整合进机器学习模型，并采用集成方法和深度学习架构，以实现超过0.90的AUC值	存在技术性和伦理挑战，包括偏差、外部验证不足和数据异质性，且临床转化需要前瞻性多中心验证	探讨机器学习在产科护理中向预测性、预防性和个性化方法转变的作用，以实现早期风险分层和及时干预	妊娠期糖尿病、妊娠期高血压疾病、早产和宫内生长受限	机器学习	妊娠相关疾病	NA	随机森林、XGBoost、深度学习架构	多模态数据（临床记录、生化标志物、多组学、医学影像、生活方式数据）	NA	NA	随机森林、XGBoost、深度学习架构	AUC	NA
158	2026-08-24	Comparative Image-Based Evaluation of Deep Learning Models for the Diagnosis of Different Ocular Diseases in Cats 2026-Aug-22, Veterinary journal (London, England : 1997) DOI:10.1016/j.tvjl.2026.106846 PMID:42632482	研究论文	本研究比较评估了九种深度学习架构在猫眼疾病自动识别和分类中的性能，其中EfficientNet-B0达到最高准确率，DenseNet-121在F1分数和AUC上表现最佳	首次对多种CNN架构在猫眼疾病多分类诊断中的性能进行系统比较，并使用Grad-CAM可视化确认模型关注临床相关眼部区域	数据集规模较小（456张图像），且未对模型在不同品种或不同拍摄条件下的泛化能力进行评估	评估不同深度学习架构在猫眼疾病自动诊断中的性能，以支持临床决策	456张临床验证的猫眼图像，涵盖13个类别（12种眼病和健康组）	计算机视觉	猫眼疾病	NA	卷积神经网络（CNN）	图像	456张猫眼图像	NA	ResNet, EfficientNet, DenseNet, MobileNet, VGG	准确率, 宏平均F1分数, AUC, 精确率, 召回率, Cohen's Kappa, McNemar检验	未指定，但报告了每张图像的推理时间范围在2.67到5.73毫秒之间
159	2026-08-24	Deep Learning Classification and Motion-Based Analysis of Aedes aegypti Red-Eye GSS Larvae for SIT Applications 2026-Aug-22, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2026.108296 PMID:42632589	研究论文	提出一个紧凑的深度学习框架，用于基于图像的埃及伊蚊红眼GSS幼虫性别关联眼色表型和龄期分类，并通过独立的光流分析量化幼虫运动行为	结合CNN图像分类与光流运动分析，提供自动化的幼虫性别分选工具及定量行为描述符，适用于SIT项目	未提及	开发用于SIT应用的幼虫自动分选和运动行为分析框架	埃及伊蚊红眼GSS幼虫	计算机视觉，深度学习	虫媒疾病（登革热、寨卡、基孔肯雅热）	视频记录，图像分类	卷积神经网络（CNN）	视频	单个幼虫的视频记录	NA	CNN	分类准确性	低功耗硬件（用于实时部署）
160	2026-08-24	Super-resolution MRI and 2.5D deep learning for intratumoral-peritumoral radiomics in preoperative prediction of rectal cancer perineural invasion 2026-Aug-22, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02365-7 PMID:42632855	研究论文	本研究开发了一种结合超分辨率MRI、2.5D深度学习和肿瘤内-肿瘤周围影像组学的非侵入性框架，用于术前预测直肠癌神经周围侵犯	首次整合超分辨率MRI重建、2.5D深度学习和肿瘤内-肿瘤周围影像组学特征，利用多实例学习聚合切片级特征，并通过Grad-CAM可视化肿瘤-神经界面	未提及明显局限性	开发一种非侵入性框架，通过整合超分辨率MRI、2.5D深度学习和肿瘤内-肿瘤周围影像组学，提高直肠癌神经周围侵犯的术前预测准确性	312例经病理证实神经周围侵犯状态的直肠癌患者	医学影像分析, 深度学习	直肠癌	MRI, 超分辨率重建（GAN）	生成对抗网络（GAN）, ResNet101, 多实例学习（MIL）	MRI图像, 临床数据	312例直肠癌患者（双中心队列）	NA	GAN, ResNet101	AUC, 95%置信区间	NA